现代社会科技发达，信息技术高速发展，人们之间的交流越来越密切，生活也越来越方便，越来越智能化的生活每天都会产生大量的数据，大数据概念应运而生。研究机构Gartner对大数据给出了这样的定义。“大数据”是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。
随着大数据的普及应用，越来越多的行业都想通过利用大数据技术得到快速发展，汽车金融行业也不例外，本文就粗浅的谈谈汽车零售贷款风控中的大数据技术。
1、汽车零售贷款传统风控中的大数据逻辑
其实，汽车零售贷款传统风控手段已经初步体现了大数据逻辑。
在汽车金融市场，以前每当客户进行贷款申请时，会填写相当详细的申请表，并提供各种各样的基本资料，以普通的银行按揭新车为例，一般包括身份证、户口本、结婚证、住房类证明、工作类证明、银行流水、驾驶证等等，这一步可以理解是一个数据收集的过程；然后通过对上述基本资料的人工审核（人工分析、电话回访验证），这一步则可以理解成一个数据分析的过程；最后得出风险结论，便是输出分析结果的过程。
虽然汽车零售贷款传统风控中受限于数据量、IT技术，但纵观整个风控过程已经是一个相对完善的数据处理闭环。
2、汽车零售贷款风控中的数据分类
随着大数据的普及应用，市面上的数据公司越来越多，许多汽车金融公司在进行风控审核中开始接入更多的第三方数据供审核人员参考，大数据具有体量大、多样性的特点，合理利用数据的第一步便是有效的数据分类，本文根据汽车零售贷款风控中最常用到的相关数据的特征将其大致分为以下几类：
1、征信系统数据：包括人行征信、公司内部征信、第三方平台征信数据等；
2、公安系统数据：身份证号码姓名验证、身份证照片比对、前科、案底；户籍信息（身份证状态、婚姻状况、户籍地址等），个人不良信息、违法记录等（是否在逃，前科，涉毒，吸毒及案件时间）；
3、银联数据：姓名身份证号银行卡号银行预留手机号验证、银行卡银行交易数据、消费记录、分期记录等；
4、工商信息数据：个人对外投资数据（对外投资企业名、注册号、注册资本、认缴金额、认缴金额占比、是否担任法人代表等）；
企业基本信息数据信息（注册资本、实收资本、经营状态、开业时间、经营期限、注册地址、许可经营范围、企业类型；股东及出资情况、高管姓名、企业变更信息、企业关联信息、企业行政处罚信息、企业动产抵押信息、股权冻结及出质信息、企业对外投资查询、商标信息、专利信息、资质信息、年度财务报表等）。
5、司法数据：判决文书、执行公告信息、失信公告信息、开庭公告信息；
6、电信运营商数据：手机号码在网时长、在网状态；
7、学信网、职业证书数据：毕业院校、学历、专业等；是否持有职业资格证书；
8、社保、公积金数据：社保与公积金数据及缴费状态等；
9、其他数据：驾驶证相关数据、乘机人信息数据、行驶证相关数据；全国物流、短信平台登记的最新地址等。
3、汽车零售贷款风控中大数据风控模型如何建立
工欲善其事，必先利其器。在运用大数据进行汽车零售贷款风控时，需建立自身的云数据系统、风险评估模型、信用衡量体系、风险定价模型等核心模块，对自身体系内以及体系外用户的海量数据进行搜集分析，才能更好的将大数据模型应用到汽车零售贷款风控业务中，最终向实现完全以数据驱动产品及业务，实现风控的流程化、自动化。
目前，市场上有越来越多的公司相继利用大数据建立起了大数据风控模型。汽车零售贷款风控中大数据风控模型的建立从流程上来看分为四个部分：数据收集、数据建模、构建数据画像和风险定价。
但对于规模较小的公司而言，建立自身的大数据风控系统往往成本太高，直接采用其他平台系统又可能不适合自身特点。
4、汽车零售贷款风控中引入大数据技术能解决什么问题
1、有效提高效率和有效性。
传统的汽车零售贷款风控审核过程中，申请人的信息调查与审核最为费时、费力，也是最难以管控的环节，传统的审核也会造成审核结果的偏差与非有效性。引入大数据风控技术手段分析，通过多维度的信息分析、过滤、交叉验证、汇总，可以形成一张较为全面的申请人数据画像，辅助审核决策，可以提高审核的效率和有效性。
2、更有效的进行反欺诈检索。
汽车零售贷款业务面临的主要风险为恶意欺诈，据统计，绝大部分的坏账损失均来源于申请人的恶意欺诈。汽车零售贷款市场是典型的信息不对称市场，即表现为汽车金融公司与申请人的信息不对称，也表现为各汽车金融公司之间的信息不对称，欺诈者能够骗取贷款，利用的正是这种信息不对称。在反欺诈识别中，最重要的参考指标就是黑名单数据，据不完全统计，目前市场上领先的大数据风控公司拥有的黑名单数据有1000万个以上（黑名单来源于人行征信系统、民间借贷、线上P2P公司、小额借款公司等，其中大部分是过去十多年积累下来的老赖名单，据估测其中真正有价值的黑名单在20%左右）。引入大数据风控系统（或接入其他大数据风控平台查询端口），可以更有效的进行反模诈检索。
3、更有效进行贷后监测。
贷后管理工作一直是汽车零售贷款风控工作中重要的一环，在贷后阶段，通过大数据技术手段对贷款人进行多维度动态事件（如保险出险、频繁多头借贷、同类型平台新增逾期等）监测与分析，达到及时预警风险的目的。
5、汽车零售贷款风控大数据技术的一点思考
有人把大数据比喻为蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”，价值含量、挖掘成本比数量更为重要。同时，使用的数据源是否合法，如何在合法范围内使用相关数据也是必须要考虑的问题。
另一方面，如何将理论与技术结合用于实际操作，然后在实践中完善相关理论，还有一段比较长的路要走。就目前来看，有很多公司忙碌于数据的累积与挖掘，有很多公司忙碌于模型的建立与应用。这其中，有认为大数据技术是一剂济世良药包治百病的，也有认为大数据风控无法适应当前市场现状的。对于汽车零售贷款风控业务而言，如何利用这些大规模数据是赢得竞争的一个关键点。大数据技术在汽车零售贷款风控审核过程中有着巨大意义，但并不代表其能取代一切对于风险控制的理性思考，独立的深度思考不能被湮没在海量数据中。
